À défaut d’avoir les meilleurs modèles d’IA, Apple a les meilleures machines pour les faire tourner. Les Mac se sont en effet imposés comme les ordinateurs grand public les plus adaptés pour exécuter les grands modèles de langage et autres agents, au point de surprendre la Pomme elle-même et de provoquer des pénuries de Mac mini et de Mac Studio. Dans une longue interview accordée à The Deep View avant la WWDC 2026, un responsable de l’architecture Apple Silicon revient sur ce succès.
Si Apple accuse du retard sur l’IA générative au niveau logiciel — Siri AI ne sortira officiellement que cet automne, et encore, en bêta —, elle s'est montrée très en avance sur le plan matériel. Dès 2017, elle intégrait dans la puce A11 de l’iPhone X un composant optimisé pour l'apprentissage automatique, le Neural Engine. Génération après génération, ce NPU a été musclé pour gagner en puissance : alors que le premier modèle plafonnait à 600 milliards d'opérations par seconde, celui de la puce M5 peut en gérer 38 000 milliards.
La force du système sur puce
Constatant l’importance prise par l’IA, Apple a passé la vitesse supérieure en intégrant des accélérateurs neuronaux au sein même du GPU de la puce M5. Mais ce n’est pas la seule partie qui a été adaptée à cette nouvelle ère. « Nous en parlons un peu moins, mais le CPU dispose d'accélérateurs neuronaux dédiés, initialement appelés accélérateurs ML, qui accélèrent les tâches liées à l'IA au sein même du processeur. En réalité, le CPU excelle dans certains types de charges de travail liées à l'IA, notamment celles nécessitant une faible latence », souligne Doug Brooks.
Apple n’a pas les GPU les plus puissants du marché — ce sont les cartes de Nvidia qui dominent largement les serveurs d'IA à travers le monde —, mais son architecture fait la différence sur les ordinateurs grand public et professionnels. « Ce n’est plus une question de GPU exécutant un LLM. C'est l'ensemble de la puce qui contribue aux différentes étapes de la tâche, à l'appel d'outils et aux processus gravitant autour de ces flux de travail. Cela tire véritablement parti des points forts des puces Apple Silicon », fait valoir Doug Brooks.
Silicon Valley : pourquoi le Mac mini est devenu la coqueluche de l’IA
Ce sont les piliers historiques de l'architecture Apple Silicon, « performance, efficacité énergétique et mémoire unifiée », qui font pencher la balance en faveur du Mac. Cette réussite découle directement d'une intégration étroite avec tout le reste :
Nous concevons une puce en sachant précisément dans quels systèmes elle sera intégrée. La puce peut influencer la conception du système, et la conception du système peut, en retour, dicter les spécifications de la puce ; les deux sont étroitement liés. J'irais même plus loin en incluant le logiciel dans cette équation. Lorsque nous dotons la puce de nouvelles fonctionnalités, nous veillons à ce qu'elles soient accessibles à tous les niveaux de la pile logicielle, afin que les développeurs comme les clients puissent en tirer parti. Car si ces transistors restent inutilisés, à quoi bon ?
Doug Brooks s'amuse d'ailleurs à répéter que « chaque transistor intégré à une puce est activé par le logiciel ». On peut toutefois apporter un léger bémol : ces nouveaux transistors ne sont pas toujours exploitables immédiatement par les développeurs et les utilisateurs. Il a par exemple fallu attendre macOS Tahoe 26.2 pour pouvoir pleinement tirer parti des accélérateurs neuronaux de la puce M5 via MLX, le framework d’Apple dédié aux modèles d’IA.
macOS Tahoe 26.2 va doper le machine learning sur les Mac M5
Un cercle vertueux
Ces performances matérielles ont quoi qu’il en soit enclenché un cercle vertueux. Les développeurs et entreprises spécialisées dans l’IA, à commencer par OpenAI, sont équipés de Mac, ce qui les pousse naturellement à créer leurs logiciels en priorité voire en exclusivité pour macOS, au détriment de Windows.
Le responsable d’Apple note également une tendance de fond en faveur des LLM exécutés en local. Un choix dicté par la confidentialité des données, l'explosion du coût des tokens dans le cloud et la progression fulgurante des modèles locaux. « Ce que l'on parvient aujourd'hui à intégrer dans un modèle de 70 milliards de paramètres, voire de 120 milliards, est tout simplement époustouflant. Des gens font tourner ces modèles sur des ordinateurs portables. On voit des publications de développeurs qui programment à 10 000 mètres d'altitude, en plein vol et totalement déconnectés, car ils exécutent des modèles puissants en local », s’enthousiasme Doug Brooks.
S’il fait ici référence à un tweet viral d'un cadre de Hugging Face, précisons que l’ordinateur en question est un MacBook Pro M5 Max doté de 128 Go de RAM, une configuration à plus de 6 000 €. À ce sujet, la flambée des prix de la mémoire vive, ironiquement provoquée par l’essor de l’IA, rend les machines richement dotées en RAM de moins en moins accessibles. Heureusement, il reste possible de faire tourner des modèles plus légers sur des configurations modestes, y compris d’anciennes générations.
This is where we are right now. And i’m not gonna lie it feels pretty magical 🧚♀️
— Julien Chaumond (@julien_c) April 24, 2026
Qwen3.6 27B running inside of Pi coding agent via Llama.cpp on the MacBook Pro
For non-trivial tasks on the @huggingface codebases, this feels very, very close to hitting the latest Opus in Claude… pic.twitter.com/lsIxLoUneU
« Je suis fermement convaincu qu'il faut utiliser l'outil adapté à chaque tâche. Parfois, on a besoin d'accéder à ces très grands modèles de pointe dans le cloud. Mais il est également possible d'accomplir une quantité considérable de travail en local », poursuit le responsable d’Apple.
Cette approche hybride est pleine de bon sens et se trouve théoriquement au cœur d’Apple Intelligence. Pourtant, ces derniers temps, Apple semble délaisser un peu le traitement local au profit des serveurs. C’est le cas par exemple d'Image Playground sur iOS 27, qui refuse de fonctionner sans connexion internet. De même, les fonctions IA de l’offre Creator Studio s’appuient sur les serveurs d’OpenAI ou de Google. La puissance brute est pourtant bien présente sous le capot des Mac, c’est peut-être encore le logiciel qui pèche chez Apple.
Aperçu d'Image Playground sur iOS 27 : plus ambitieux, mais toujours pas convaincant
